面部识别技术(FRT)已经成为一个有吸引力的解决方案,以解决许多当代需要识别和身份验证的需求。它汇集了其他生物识别系统的优势,其试图将身份与人脸的各个显著特征联系起来,以及视觉监控系统更为常见的功能。人脸势必技术在更复杂的尝试中表现得很差,以识别那些不自愿自我识别的个体,其中人脸识别试图将个体面部与任何可能的图像n文件匹配。(识别任务)。具体来说,人群中的王牌是什么?在不可控制的环境中,从人群中挑选出一张面孔,在可预见的将来不太可能成为现实。
FRT只能识别人脸,如果特定的个人脸已经被添加到(登记)B系统中。入院条件(无论是自愿条件还是其他条件)以及结果图像(画廊图片)的质量对FRT的最终疗效有显著影响。在FRT的整体性能中,图像质量比任何其他单一因素更为显著。如果某些现有的图像标准满足C.或超过,大多数当前的,执行最高的FRT可以很好地提供高水平的验证任务的准确性。鉴于在验证或识别(探测图像)的图像经常被捕获在低质量的视频,满足这些标准是不小的壮举,并且还没有在实践中实现。性能也取决于许多其他已知因素,其中最重要的是:D。环境?比较相似的图像的环境(背景、照明条件、相机距离,以及头部的大小和方向),FRT将执行得更好。图像时代?在被比较的图像之间经过的时间越少,FRT的表现就越好。相机使用一致?与用于登记过程的照相机的光学特性更相似,并且为了获得现场图像(光强、焦距、颜色平衡等),FRT将执行得更好。画廊大小?考虑到当画廊的大小增加时,进入画廊的可能图像的数量接近于相同的数学表示(生物特征双倍),限制了笔集中画廊的大小吗?标识应用程序(如监视列表应用程序)可能有助于维护系统的完整性并提高整体性能。灾难准备和反应中心.用于开发FRT算法的图像的选择和组合对于形成系统的最终性能至关重要。评价:2。评估报告如何?如何解释结果?如何评估评估程序,以产生更有用和透明的结果?许多现有的评估结果不适用于明确的比较或明确的结论。损失集的结果?性能评估,例如,基于假设可能被FRT所遇到的所有可能的个人预先知道(即没有外部冒名顶替者),不能通过不同的测试或用笔集进行比较。
|